Numpy part I

Numpy part I¶

---

In [1]:

coefficient_matrix=[[2,2,1],[2,-1,2],[1,-1,2]]
constant_vector=[9,6,5]

• 코드로 방정식 표현하면 위와 같이 표현 할 수 있다.
• 하지만 큰 Matrix에 대해서는 python은 처리 속도 문제가 존재
• 따라서 적절한 패키지를 활용해야 한다.

Numpy¶

• Numerical Python
• 파이썬의 고성능 과학 계산용 패키지
• Matrix와 Vector와 같은 Array연산의 사실상의 표준
• 일반 List에 비해 빠르고, 메모리 효율적
• C,C++,포트란 등의 언어와 통합 가능

array¶

In [2]:

import numpy as np

In [3]:

a = [1, 2, 3, 4, 5]
b = [5, 4, 3, 2, 1]
a = np.array(a, int)
a

Out[3]:

array([1, 2, 3, 4, 5])

• int형으로 넣겠다고 선언해 줄 수 있다

In [4]:

test_array = np.array(['1', '4', 5, 8], float)
print(test_array)
type(test_array[1])

[1. 4. 5. 8.]

Out[4]:

numpy.float64

• shift+tab하면 docstring을 볼 수 있다
• numpy는 np.array함수를 활용 배열을 생성함 → ndarray
• numpy는 하나의 데이터 type만 배열에 넣을 수 있다
• List와 가장 큰 차이점 → dynamic typing not supported
• C의 Array를 사용하여 배열을 생성한다

• 메모리 공간이 일정하다

In [5]:

a = [1, 2, 3, 4, 5]
b = [5, 4, 3, 2, 1]
print(a is b)
print(a[0] is b[-1])

False
True

• is는 주소 값을 비교하는 명령어이다
• 파이썬에서는 -5 ~ 256까지는 static 메모리에 저장이되어서 같은 주소 값을 가진다.

In [6]:

a = np.array(a)
b = np.array(b)
a[0] is b[-1]

Out[6]:

False

• numpy는 static메모리를 가지고 가는게 아니다
• numpy는 메모리가 순차적으로 할당되어 있다

In [7]:

test_array = np.array([1, 4, 5, "8"], float)  # String Type의 데이터를 입력해도
test_array

Out[7]:

array([1., 4., 5., 8.])

In [8]:

type(test_array[3])  # Float Type으로 자동 형변환을 실시

Out[8]:

numpy.float64

In [9]:

print(test_array.dtype)
print(test_array.shape)

float64
(4,)

• shape: numpy array의 dimaension 구성을 반환함
• dtype: numpy array의 데이터 type을 반환함

array shape¶

1) vector

In [10]:

vector = [1, 4, 5, 8]
np.array(vector, int).shape

Out[10]:

(4,)

• shape: array의 크기, 형태 등에 대한 정보

2) matrix

In [11]:

matrix = [[1, 2, 5, 8], [1, 2, 5, 8], [1, 2, 5, 8]]
np.array(matrix, int).shape

Out[11]:

(3, 4)

3) 3rd order tensor

In [12]:

tensor = [
    [[1, 2, 5, 8], [1, 2, 5, 8], [1, 2, 5, 8]],
    [[1, 2, 5, 8], [1, 2, 5, 8], [1, 2, 5, 8]],
    [[1, 2, 5, 8], [1, 2, 5, 8], [1, 2, 5, 8]],
    [[1, 2, 5, 8], [1, 2, 5, 8], [1, 2, 5, 8]],
]
np.array(tensor, int).shape

Out[12]:

(4, 3, 4)

Array dtype¶

In [13]:

print(np.array(tensor, int).ndim)
print(np.array(tensor, int).size)

3
48

• ndim: number of dimensions
• size: data의 개수

nbytes-ndarray object의 메모리 크기를 반환함

In [14]:

np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.float32).nbytes

Out[14]:

24

In [15]:

np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.int32).nbytes

Out[15]:

24

In [16]:

np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.int8).nbytes

Out[16]:

6

In [17]:

np.array([[1, 2, 3], [4.5, "5", "6"]], dtype=np.float64).nbytes

Out[17]:

48